In common bean (Phaseolus vulgaris L.) breeding, several trials are carried out in field conditions to predict the genotypic values, but experimental designs may not be sufficient to capture the field heterogeneity in the experimental area. The objective of this work was to evaluate the potential of spatial models to correct data from a common bean breeding program for spatial trends and improve the prediction of genotypic values. We used real data from 19 field trials from a common bean breeding program and three experimental designs. The traditional statistical model with design effects and independent errors was fitted and used as the basic model. Later, we fitted a sequence of spatial models to include different residual (co)variance structures for local trends and fixed and random effects based on plot position information to capture global and extraneous trends. The basic model and the best-fit spatial model were compared regarding the estimates of heritability, accuracy, prediction error variance, and discordance in the top-ranking genotypes. In most cases, the use of spatial models improved the estimates of heritability and accuracy or, at least, reduced the estimates of prediction error variance. Also, changes in the genotypic values classification were observed. Because no single model presented the best fit for all trials, some of the tested models were recommended for future trials based on the patterns of spatial trends observed. Thus, the use of spatial models helped to improve the data analysis and the prediction of genotypic values by capturing the field heterogeneity in our common bean field trials.

中文翻译：

---

校正普通豆类育种计划中空间趋势的实验数据

在普通豆（Phaseolus vulgarisL.) 育种，在田间条件下进行了几项试验以预测基因型值，但试验设计可能不足以捕捉试验区的田间异质性。这项工作的目的是评估空间模型的潜力，以纠正来自普通豆育种计划的数据以了解空间趋势并改进基因型值的预测。我们使用了来自一个普通豆类育种计划和三个实验设计的 19 个田间试验的真实数据。对具有设计效果和独立误差的传统统计模型进行拟合并作为基本模型。后来，我们拟合了一系列空间模型，以包括针对局部趋势的不同残差（协）方差结构以及基于绘图位置信息的固定和随机效应，以捕获全局和无关趋势。比较了基本模型和最佳拟合空间模型对顶级基因型的遗传力、准确性、预测误差方差和不一致的估计。在大多数情况下，空间模型的使用提高了遗传力和准确性的估计，或者至少降低了预测误差方差的估计。此外，观察到基因型值分类的变化。由于没有单一模型最适合所有试验，因此根据观察到的空间趋势模式，建议将一些测试模型用于未来试验。因此，空间模型的使用通过捕获我们常见的豆类田间试验中的田间异质性，有助于改进数据分析和基因型值的预测。排名靠前的基因型的准确性、预测误差方差和不一致。在大多数情况下，空间模型的使用提高了遗传力和准确性的估计，或者至少降低了预测误差方差的估计。此外，观察到基因型值分类的变化。由于没有单一模型最适合所有试验，因此根据观察到的空间趋势模式，建议将一些测试模型用于未来试验。因此，空间模型的使用通过捕获我们常见的豆类田间试验中的田间异质性，有助于改进数据分析和基因型值的预测。排名靠前的基因型的准确性、预测误差方差和不一致。在大多数情况下，空间模型的使用提高了遗传力和准确性的估计，或者至少降低了预测误差方差的估计。此外，观察到基因型值分类的变化。由于没有单一模型最适合所有试验，因此根据观察到的空间趋势模式，建议将一些测试模型用于未来试验。因此，空间模型的使用通过捕获我们常见的豆类田间试验中的田间异质性，有助于改进数据分析和基因型值的预测。减少了预测误差方差的估计。此外，观察到基因型值分类的变化。由于没有单一模型最适合所有试验，因此根据观察到的空间趋势模式，建议将一些测试模型用于未来试验。因此，空间模型的使用通过捕获我们常见的豆类田间试验中的田间异质性，有助于改进数据分析和基因型值的预测。减少了预测误差方差的估计。此外，观察到基因型值分类的变化。由于没有单一模型最适合所有试验，因此根据观察到的空间趋势模式，建议将一些测试模型用于未来试验。因此，空间模型的使用通过捕获我们常见的豆类田间试验中的田间异质性，有助于改进数据分析和基因型值的预测。